第 19 卷 第 5 期
2 0 0 6 年 1 0 月 模式识别与人工智能P R & A l
V o l
.
1 9
O e t
N o
.
5
2 0 0 6
二值图像中直线拟合误差与直线方向的关系 ‘
刘 阳成 ‘,“ 朱 枫
, (中国科学院沈阳 自动化研究所 沈 阳 1 10 0 1 6)
, (中国科学院研究生院 北京 1 0 0 0 8 0 )
摘 要 主要从空间量化误差的角度分析直线方向与拟合误差的关系 . 首先介绍直线的拟合方法 , 然后定义敏感
距离这一度量图像中的直线对移动敏感性的概念 . 由此 出发讨论不同斜率的直线对直线平移的敏感程 度 , 给出敏
感移动距离的表 达式及证明 . 对各种直线拟合结果进行实验统计 , 结果表明拟合误差与敏感距离有着密切 的联系 .
基于直线拟合时方向误差远小于截距误差这一结果 , 在 已知直线斜率以及直线像素点的前提下 , 提出一种新 的估
计截距的方 法 , 实验结果表 明本文方法更优越 .
关键词 直线拟合 , 边缘定位 , 量化误差 , 误差分析 , 检测精度
中图法分类号 T P 202
R e l a t i o n b e t w e e n L i n e F i t t i n g E r r o r a n d D i r e c t i o n o f t h e L i n e
i n B i n a r y Im a g e
L IU Y a n g
一
C h e n g l
’ 2 , Z H U F e n g ‘
( S h e n 夕a n g I n s t i r u t e o f A u t o m a t i o n , C h i n e s e A e a d e m 夕 o f S c i e n c e 、 , S h e n g 夕a n g 1 1 0 0 1 6 )
(G r a d u a t e S c h o o l
,
C h i n e s e A c a d e m 夕 o f S c i e , , c e s , B e i少i n g 1 0 0 0 8 0 )
A B ST R A C T
T h e q u a n t i z a t i o n e r r o r p l a y s a n im p o r t a n t r o l e i n t h e f i e l d o f im a g e p r o e e s s i n g a n d e o m p u t e r
v i s i o n
.
T h e r e l a t io n b e t w e e n t h e e r r o r o f l i n e f i t t i n g a n d t h e l i n e e h a r a e t e r s
, e s p e e ia l l y t h e s l o p e
o f t h e s t r a i g h t l i n e s
, 15 m a i n l y a n a l y z e d
.
A f t e r a s im p le in t r o d u e t i o n o f t h e l in e fi t t i雌 , t h e d e f i n i t i o n
o f t h e s e n s i t i v e s p a e e o f s t r a i g h t l i n e s 15 g iv e n
, a n d it s e x p r e s s i o n u n d e r d if f e r e n t e o n d i t i o n s 15
p r e s e n t e d a n d p r o v e d
.
T h e e m u l a t i o n a l e x p e r im e n t s s u g g e s t t h e r e 15 a e l o s e r e l a t i o n b e t w e e n t h e
s e n s i t i v e s p a e e a n d t h e e r r o r o f fi t t i n g r e s u lt s 二 T h e e r r o r o f in t e r e e p t 15 e a r e f u l ly r e s e a r e h e d a s t h e
e r r o r o f s l o p e 15 m u e h l e s s t h a n t h a t o f i n t e r e e p t
.
A m e t h o d t o e v a l u a t e in t e r e e p t 15 P r e s e n t e d
.
T h e e x p e r im e n t a l r e s u l t s h o w s t h e p r o p o s e d m e t h o d o u t p e r f o r m s t h e t r a d i t i o n a l o n e
.
K e y W o r d s L in e F i t t i n g
,
E d g e l刀e a t io n , Q u a n t i z a t i o n E r r o r , E r r o r A n a ly s i s , De t e e t io n A e e u r a e y
, 国家 8 6 3 计划资助项 目 ( N o . 2 0 0 2A A 4 0 1 0 0 1 一4 A )
收稿 日期 : 2 0 0 5 一0 1 一0 4 ; 修回日期 : 2 0 0 5 一0 5 一1 9
作者简介 刘阳成 , 男 , 1 9 8。年生 , 硕士研究生 , 主要研究方向为 图像处理 、视觉计算 . E 一 m ail : l iu yc h @ s ia . cn . 朱枫 , 男 , 1 9 6 2年生 , 研究员 , 博士生导师 , 主要研究方向为机器人视觉 、 图像处理 .
5 期 刘 阳成 等 :二值图像中直线拟合误差与直线方向的关系
1 引 言
计算机视觉 、三维重建 、精密检测等领域的前期
工作都要涉及到图像处理 , 图像中的基元可以是点 ,
直线 , 二次 曲线等〔’口. 直线作为特征元要 比其它特征
元更容易 、更准确地检测和匹配 [2] . (空间 )量化误差
在数字图像处理 中是不可避免的 , 因此量化误差在
计算机视觉等领域 中占有 十分重要 的地位胳 5习. B.
K a m g盯一P a r s i 提出一种分析算法误差的方法川 , C.
C
.
Y a n g 〔5一 6〕等人分析图像中线段长度度量的误差 .
直线拟合的研究大 多集 中在 噪声 图像 中的直线 拟
合 , 去除奇 异点 , 并 且 取得 不少 成果 . N . Ki ry at i ,
A
.
M
.
B r u e k s t e i n 与 H . 衡 id a a , 12 . R a d o u a n e 分 别
提出 自己的鲁棒直线拟合方法仁7一g J .
边缘检测得到的结果可 以是离散的边缘点 (如
边缘检 测算 子 ) , 也 可 以直 接得 到边界 曲线 (例 如
H ou g h 变换等 ) . 在标定 、 三维测量 、 精密检测等实
际应用中获取图像 中直线 的精确方程非常重要 . 但
即使用同一种拟合 方法 , 不同直线 的拟合精 度也不
相同 . 前人对量化误差 以及直线拟合均有不少研究 ,
但就我们所知把二者结合起来研究的较少 , 而研究
拟合精度高低与直线类型 的关系的则基本没有 . 本
文讨论的内容是关 于拟合误差 的分析 , 文中分析直
线的拟合误差与直线 方向的关系 , 这有利于研究直
线方向对边缘检测精度的影响 , 进而指导图像处理 、
摄像机标定 、三维测量 、精密检测等实际应用 .
论推导以及仿真实验时可以仅考虑斜率 k (0 镇 k 镇
1) 的情况 . 直线的检测结果与图像的分辨率 有关 ,
仿真图像的分辨率为 5 12 只 5 1 2 .
3 直线对移动的敏感程度
3
.
1 敏感距离的概念
当图像分辨率固定时 , 直线沿垂直于直线 的方
向做平移运动 , 运动距离很小时在数字 图像 中无法
体现 , 只有足够的运动距离才能够引起 图像 中表征
直线的像素发生变化 .
定义 1 图像中直线沿垂直于直线的方 向做平
移运动 , 能够引起图像像素变化 的最小距离 d 的上
界定义为具有该斜率直线的敏感距离 .
3
.
2 敏感距离的表达式及证明
由敏感距离 的定义很容易知道 , 水平直线和斜
率为 1 的直线敏感距离分别为 1 和 了之/ 2 .
定理 1 斜率为 m / n( m < n , 饥与 n 互质 ) 的直
线 , 它的敏感距离为
m i· ( ,一 / · ,一“一 不片丽 ,
其 中 , 0 为斜率是 m /n 的直线与 二 轴的夹角 , h 、w 均
为整数 , h 一 ~ /n > O
, h 毛 ,n, w < n.
2 直线的拟合
口口口口口口口 曰曰曰 曰曰日日日日 } } } ...吕吕口口门门门门曰曰曰曰曰曰曰 门门口口口口曰曰曰曰 }}}口口口口口口门门曰曰曰曰曰曰日日日日日 }}}}}}}门门门门门 口口曰曰 丈川川口口牙牙牙牙 曰曰刁刁刁刁 口口州州州厂川川门门厂节节l——厂一、、占补补「一 ‘‘乙口口「一节节广,, 广一 )))「节门门二二二二二二〔二二二〕〕〕!一一{{{厂一一厂下下仗 尸尸贬三三巨二二〔二二二巨二二厂门门匡口口二二二巨二二二二二二口口「二二二洲洲洲洲 习扩、、{{{ 口口口口口 曰曰口口口口口口口 口口口口口口口口口口口习习习 口口口口口口习习习 口口口口
直线在图像 中的像素点是抽样后经 四舍五入量
化而形成的 , 为论迷方便把直线所在坐标系 的单位
取作一个像素的大小 . 由于量化误差 , 像素中心点常
常不是准确分布在一条直线上 , 而是分布在直线的
附近 . 这就需要 由像素坐标拟合出直线的方程 , 应用
函数最佳平方逼近 , 由离散点集 {尸 } 可以拟合直线
方程 . 常用的方法有两种 :按直线斜率 的绝对值与 1
的大小比较 , 分别取 y 、 x 方向的残差平方和使其最
小 ;取离散点到拟合直线 的距离 (平方 )之和使其最
小 .
这两种方法实际上是分别对不同的 目标 函数进
行优化 , 从而求 出对应的拟合直线方程 , 本质上都是
最小二乘法 . 经过实 验发现本文提 出的结论不依赖
于某一种方法 . 斜率 为负的情况与斜率为正的情况
类似 , 由于第一种拟合方法的对称性 , 因此在进行理
图 1 斜率为 m /n 的直线量化结果
F i g
.
1 Q u a n t iz a t io n r e s u l t o f l in e w i t h s l o p o f m / n
证明 如图 1 所示 , 直线上采样点的横坐标依
次记为 二。 , 二 ; , 二 : , … (均 为整数 ) , 纵 坐标依 次记 为
y 。 , y , , y : , … (未经量化 ) . 斜率为 m /n , 故 y , 的小数
部分呈现 出周期性 , 周 期为 , , . 直线 向上移动过程
中 , 每当经过纵坐标小数部分为 0 . 5 的采样点 (横坐
标为整数 ) 时量化结果就发生一次变化 . 根据敏感
距离定义 , 仅需考虑两次变化直线 移动的距离 . 设
y 。 小数部分为 。. 5 , y l , y Z , … , y 二 , 中小数部分小于
。. 5 且最接近 0 . 5 的点纵坐标设 为 丸. , 其整数部分
与 y 。整数部分相差 h , 则 h 、二为使得 h 一~ /n 取得最小 正 数 的 整 数 , 故 敏 感 距 离 d 一 m in( h 一
~ /n ) co so
. 下面证明 m in( h 一 ~ / n) 一 1 /n
, 该问
模式识别与人工智能 1 9 卷
题等价于下述命题 : n , m 为互质正整数 , m < n , 结论
是存在整数 h 、w 使得 n h 一 ~ 一 1
. 证明如下 :
注意到 n , Z n , 3 n , … , (m 一 1) n 这 m 一 1个数都
不能整除 m , 那么它们除以 m 的余数必然各不相同 ,
分别为 1 , 2 , 3 , … , m 一 1 . 因为如果有两个数除以 m
余数相同 , 它们 的差就能被 m 整除 . 但这个差仍然
是这 m 一 1 个数之一 , 矛盾 . 所 以这 m 一 1 个数有一
个除以 m 余 1 ,命题成立 .
由于 m < n , 因此敏感距离主要取决于 n . 定理 1
说明 n 越大 , 直线对于平移越敏感 . 注意这是假设 图
像分辨率足够大的情况下 ,或者说图像宽度大于 n .
定理 2 斜率为无理数的直线若不考虑图像大
小限制 , 其敏感距离为任意小的正数 .
简证 设直线斜率为无理数 k . 由实变函数论
知无理数和有理数在数轴上是稠密分布 的 , 故对 于
任意 。 > o , 存在一个有理数 u ,满足 。 < u 一 k < 。.
设 u 一 h / 二 , h 、w 均为整数 , 也即必然存在整数 h 、
w , 使 h / w 一 k 为任意小 的正数 , 即 h 一 w k 为任意小
的正数 , 于是得证 .
3
.
3 实验结果
按照定理 1 计算斜率为有理数 (精度为 0 . 0 0 1)
的直线的敏感距 离 , 运行 结果如图 2 所示 . 斜率 为
m /n 的直线 , 当 n 较小时敏感距离较大 . 同一斜率的
直线束中截距不 同的直线其引起像素发生变化的最
小距离 d , 是不同的 , 敏感距离是 d : 的上界 . 定义直
线沿垂直直线方向移动一个像素宽度 的过程 中 峨
的平均值为平均敏感距离 . 图 3 为用各种斜率的平
行直线束仿 真平均 敏感距离与直线斜率 关系 的结
果 . 图 3 中毛刺的幅度要小于图 2 , 但分布规律与 图
2 一致 .
O
.
0 ‘
4 拟合误差与直线的关系
直线的敏感距离越大 , 说明直线 (离散化 ) 对移
动越不敏感 , 拟合结果可能出现相对较大的误差 , 因
此直线的拟合误差与敏感距离有着密切 的联系 . 本
节仿真各种斜率直线与拟合误差的关系 . 原始直线
记为二 十妙 + c 一 O , 方 向系数经过归一化处理 , 即
矿 + 护 一 1 . 拟合三个 系数 的误差与直线斜率 的关
系分别表示于图 4 、 图 5 、 图 6 中 , 横轴 表示直线斜
率 , 由于每一斜率取值对应一组直线 , 因此纵轴表示
最坏情况下拟合系数 的误差 (以下如无特殊说明 , 误
差均指最坏情况 ) . 这些结果可以转换为误差与倾角
的关系 , 图 7 为拟合系数 。 的误差与直线倾角 的关
系 .
090八内z广0工r4, ,,1
000000被口以旗场
0片岁摆劣豁咒絮湍罚挑岁 .0斜率
0
.
0 0 12
0 乃0 10
0
.
0 0 0 8
架。刀0 0 6
0
.
0 0 0 4
0
.
0 0 0 2图 2 敏感距离与直线斜率的关系
F ig
.
2 R e la t io n b e t w e e n s e n s i t iv e d is t a n e e a nd s lo p e o f li n e
0炭瑞署甜甜能岌念六罚群. 0斜率
0
.
7
0
.
6
图 4 拟合系数 a 误差与直线斜率的关系
0
.
5
0
.
4
F ig
.
4 R e la t io n b e t w e e n t h e s lo p e o f l in e a n d t h e f it t in g
e r r o r o f e o e f f ie ie n t a
0
.
3
0
.
2
从实验结果 中可以得 出以下三点有用的结论 :
( 1 ) a 、 b 系数的误差量级要小于系数 ‘ 的误差量级 .
( 2) 拟合误差 与直线斜率的关系并不是连续 的 , 个
别斜率的直线检测会引起较大 的误差 , 图像处理时
应尽量避免这些情况 . ( 3) 误差 的峰值分布 与敏感
距离的峰值分布基本一致 , 这说 明直线 的拟合误差
与敏感距离有着密切的联系 . 成像直线 的斜率应尽
可能在毛刺较少的区域 , 或者说避开这些峰值 . 我们
褪留御彭坷除
0
·
, {
. , , {
1 . ! 2 1 {
.
{ 卜 {
0’ 一自 l’ 山 ‘一 ll’ .山·L 卜 比‘ 一 ll. 川 ‘ 11 一 日 L 』 . 1
0 0
.
1 0
.
2 0
‘ 1 0 4 n 气 n ‘ n , n o n n , n
斜率
图 3 平均敏感距离与直线斜率的关系
F ig
.
3 R e la t io n b e t w e e n m e a n s e n s i t iv e d is t a n e e a n d s lo P e
o f li n e
5 期 刘阳成 等 :二值图像中直线拟合误差与直线方向的关系
可 以根据实际应用中对精度的要求 , 合理选择观测
方向 , 使成像直线的斜率处于一个合适的区 间中 . 我
们的工作为进一步分析空间量化误差及拟合误差 的
度量和原因做 了初步的工作 , 并对精确检测时图像
中直线 的方向布置有一定的指导意义 .
5 已知直线斜率时拟合截距的误
差
绷
鹦
0
.
0 004 0
0
.
0 0 0 3 5
0
.
0 0 0 3 0
0
.
0 0 0 2 5
0
.
0 0 0 2 0
0 0 0 0 1 5
0
.
0 0 0 10
0
.
D0 0 0 5
由于直线拟合的方向误差要远小于截距误差 ,
因此截距误差成为考虑的主要对象 . 假设拟合直线
的方向完全准确 , 则误差可 由拟合直线和实际直线
的距离衡量 . 拟合截距 的方法有两种 .
传统方法是对每一个点分别求 出截距 b , 然后
对这些 b 求平均值作为拟合截距 . 设拟合截距 为 b’ ,
则
o品岸材贵糕澎瑞羚羚湍箭{。斜率
b , 一
艺 ( y , 一 肠 , )
F j g
.
5
F i g
.
6
图 5 拟合系数 b 误差与直线斜率的关系
R e la t io n b e t w e e n t h e s lo p e o f lin e a n d t h e 王i t t in g
e r r o r o f e o e f f ie ie n t b
绷
咚
0
.
3 5
0
.
3 0
0
.
2 5
0
.
2 0
0
.
15
0
.
1 0
0
.
0 5
0
0 0
.
1 0 2 0 3 0
.
4 0 5 0石 0 7 0名 0 .9 1 . 0
斜率
图 6 拟合系数 。误差与直线斜率的关系
R e la t i o n b e t w e e n t h e s lo p e o f lin e a n d t h e f i t t in g
e r r o r o f e o e f f ie ie n t e
这种方法等价于优 化像 素点到拟合直线 的距 离之
和 .
我们提出的方法是通过限制 b 的取值范围然后
取均值 . 对于所有的 x ‘ , y : (量化后的结果 ) 均有
一 0 . 5 < y , 一赶 、一 b 镇 0 . 5 , 故
m a x { v
, 一 kx 、一 0 . 5 } < 占 ,
( 1 )
b 镇 m i n {夕‘一 赶 , + 0 . 5 圣,
由式 ( 1) 可以把 b 的取值限制在一个范围内 , 只要 b
取该范围内的值 , 那么拟合直线上 的点经过量化 以
后与已知像素点完全一样 . 因此这个范围的 b 的取
值都是合理的 , 取该区间的中点作为截距的估计值 .
这种方法针对量化特点考虑误差 , 利用全体像素坐
标信息对 b 的取值范 围做了最严格的限制 . 按照这
种方法仿真实验结果如图 8 所示 .
气4,、气乙0.住住住
绷咚如只藉嘱
绷
联
0
.
3 5
0
.
3 0
0
.
2 5
0
.
2 0
0
.
15
0
.
1 0
0
.
0 5
10 15 2 0 2 5 3 0 3 5 4 0 4 5
直线倾角
o匕 1 0 1 5 2 0 2 5 3 0 3 5 4 0 4 5
直线倾角
图 7 拟合系数 。 误差与直线倾角的关系
F i g
.
7 R e la t io n b e t w e e n t h e o b l iq u i t y o f l in e a n d t h e f i t t in g
e r r o r o f e o e f f ie ie n t ‘
图 8 最大拟合误差 与直线倾角的关系
F ig
.
8 R e la t io n b e t w e e n t h e o b liq u it y o f li n e a n d t h e
m a x in u m f it t in g e r r o r
由实验结果可以看 出 , 在 已知直线斜率的情况
下 , 拟合直线与原直线的误差 (即拟合直线与原直线
的距离 )具有以下特点 : 直线的倾角小于 26 “时截距
的误差最大值都 小于 0 . 06 ;倾 角小于 26 “时截距误
6 8 4 模式识别与人工智能 1 9 卷
差均值都小于 0 . 02 ; 误差的方差普遍很小 . 当我们
已知直线的方向或拟合得到的直线方 向较准确 (或
在误差要求内 ) 时 , 若截距精度还需要进一步提高则
应设法控制 图像 中的直线倾角小于 2 60 , 这对 于截
距 的估计较有利 . 该种方法与传统方法 的比较见图
9 , 纵轴表示传统方法与本方法分别得到的误差最大
值相减的结果 , 可以看出相减结果均大于 0 . 这表明
传统方法的误差大于本文提出的方法 , 本文的方法
优于传统方法 .
并提出一种更好的拟合截距的方法 . 这些理论分 析
和实验结果 , 为进一步寻求提高直线检测精度 的途
径打下基础 ,提供新的思路 , 对精确检测直线时直线
方向的布置 、选择也具有一定的指导意义 .
参 考 文 献
、n2勺山
:
O
0
一、一011,
.1
:
0
0
0
.
0 5
刊期翎瑙状崛如辙
0
0 5 10 1 5 2 0 2 5 3 0 3 5 4 0 4 5
直线倾角
F i g
.
9
图 9
C o m
传统方法与本文方法拟合误差的比较
p a r i s o n o f f i t t in g e r r o f b e t w e e n t h e t r a d i t i o n a l
m e t h o d a n d t h e p r o p o s e d m e t h o d
6 结 束 语
本文主要从空间量化误差的角度分析直线方向
与检测误差的关系 , 定义敏感移动距离这一度量图
像 中的直线对移动敏感性 的概念 , 分情况讨论不同
斜率的直线对直线平移的敏感程度 , 给出敏感移动
距离的表达式 , 并进行证明和仿真实验 . 基于直线拟
合时方向误差远小于截距误差这一结果 , 通过实验
分析已知直线斜率以及直线像素点的情况下 , 截距
拟合误差 的最大值 、均值 、方差与直线倾角的关系 ,
[ l ] M
a S o n g d e
,
Z h a n g Zh e n g y o u
.
C o rn p u t e r V i s i o n
.
B e i j i n g , C h i
-
n a : S e i e n e e P r e s s , 19 9 8 : 7 2一 78 ( i n C h i n e s e )
( 马颂德 , 张正友 . 计算机视觉 . 北京 : 科学出版社 , 1 9 9 8 : 7 2一 78)
仁2〕M a S D , W e i G Q , H u a n g J F . S e g m e n t B a s e d C a rn e r a C a lib r a -
t i o n . Jo u r n a l o f C o m p u t e r s c i e n e e & T e e h n o lo g y
,
1 9 , 3
.
8 ( l ) :
1 1
一 16
仁3」S t e v e n D B , T h o m a s 5 H . E r r o r A n a ly s i s i n S t e r e o D e t e r m i n a -
t io n o f 3 D P o i n t
.
I E E E T r a n s o n P a t t e r n A n a l y s i s a n d M a e h i n e
I n t e l ig e n e e , 19 8 7
,
9 ( 6 ) : 7 5 2 一 7 6 5
仁4 j K a m g a r 一 P a r s i B . E v a l u a t i o n o f Q u a n t i z a t io n E r r o r i n C o m p u t e r
V i s i o n
.
I E E E T r a n s o n P a t t e r n A n a ly s i s a n d M a e h i n e I n t e l i-
g e n e e , 19 8 9 , 1 1 ( 9 ) : 9 2 9 一 94 0
[ 5习Y a n g C C , M a r e f a t M M , C i a r a l l o F W . E r r o r A n a l y s i s a n d
P l a n n i n g A e e u r a e y fo r D im e n s i o n a l M e a s u r e rn e n t i n A e t i v e V i -
5 io n In s p e e t io n
.
IE E E T r a n s o n R o b o t i e s a n d A u t o m a t i o n ,
19 9 8 , 1 4 ( 3 ) : 4 7 6 一 48 7
仁6〕Y a n g C C , M a r e f a t M M , C i a r a llo F w . A n a ly s i s o f E r r o r S I n
D im e n s i o n a l I n s Pe e t i o n B a s e d o n A e t i v e V i s i o n
.
P r o e o f t h e
S P I E , 1 9 9 6
,
2 3 5 4 : 9 6一 10 4
[ 7〕K i r y a t i N , B r u e k s t e i n A M . Wh a t ’ 5 i n a S e t o f P o i n t s ? IE E E
T r a n s o n P a t t e r n A n a l y s i s a n d M a e h i n e I n t e l ig e n e e , 1 9 9 2 , 14
( 4 ) : 4 9 6一 5 0 0
[ 8〕q id a a H , R a d o u a n e L . R o b u s t L i n e F i t t i n g i n a N o i s y Im a g e b y
t h e M e t h o d o f Mo m e n t s
.
I E E E T r a n s o n P a t t e r n A n a l y s i s a n d
M a e h i n e In t e l lig e n e e , 19 9 9 , 2 1 ( 1 1 ) : 12 16 一1 2 2 3
仁9」K i r y a t i N , B r u e k s t e i n A M . C o m m e n t s o n “ R o b u s t I i n e F i t t i n g
i n a N o i s y I m a g e b y t h e Me t h o d o f M o m e n t s , ,
.
IE E E T r a n s o n
P a t r e r n A n a ly s i s a n d M a e h i n e I n t e l ig e n e e , 2 0 0 0 , 2 2 ( 1 2 ) : 1 3 4 0 -
1 3 4 1